wd-v1-4-swinv2-tagger-v2

带有改进推理和标签分类性能的新特性

ONNXRuntime 开源项目模型 Github Huggingface 训练 WD 1.4 SwinV2 Tagger 标签

模型WD 1.4 SwinV2 Tagger V2改进了标签分类功能，使用Danbooru图像集进行训练，V2.1版本增强了ONNXRuntime兼容性，并与timm兼容，支持多批次推理。使用TRC项目提供的TPU部署，提升模型的性能和算法效果。

Github

Huggingface

介绍相关项目

convnextv2-atto-1k-224 - ConvNeXt V2 提升卷积网络性能的先进图像分类模型

ConvNeXt V2FCMAE框架GithubHuggingfaceImageNet-1K卷积神经网络图像分类开源项目模型

ConvNeXt V2 是一种创新的图像分类模型，利用 FCMAE 框架在 ImageNet-1K 数据集上进行微调。该模型结合了全卷积掩码自编码器和新型 GRN 层，有效提升了在多项识别基准上的性能。模型能够进行图像分类，预测应用于 ImageNet 1,000 类问题，是计算机视觉任务的高效选择。

owlv2-large-patch14 - 开源零样本对象检测模型，支持多文本查询

AI研究CLIPGithubHuggingfaceOWLv2图像识别开源项目模型目标检测

OWLv2模型是一种零样文本感知对象检测模型，使用CLIP作为多模态骨干，通过结合视觉和文本特征实现开词汇检测。模型去除了视觉模型的最终token池化层，并附加分类和框头，能够处理多文本查询，扩展了图像识别的应用潜力。研究者通过重新训练和微调CLIP，提高了其在公开检测数据集上的性能，有助于探讨计算机视觉模型的鲁棒性。

swin2SR-realworld-sr-x4-64-bsrgan-psnr - 基于SwinV2的实景图像4倍超分辨率模型

GithubHuggingfaceSwin2SR图像处理图像超分辨率开源项目模型深度学习计算机视觉

Swin2SR是一款图像超分辨率模型，支持图像4倍放大。该模型由Conde等人开发，基于SwinV2 Transformer架构，专注于解决实际场景中的图像超分辨率问题，可有效处理压缩图像的放大和修复。模型提供完整的官方文档支持。

nsfw_image_detection - 基于ViT的NSFW图像检测模型

GithubHugging FaceHuggingfaceNSFWVision Transformer内容审核图像分类开源项目模型

这是一个基于Vision Transformer (ViT)的NSFW图像分类模型。经过80,000张多样化图像训练，模型能有效区分正常和不适当内容。采用224x224像素分辨率，16批量大小和5e-5学习率，评估准确率达98%。该模型主要用于内容安全和审核，但仅限于NSFW图像分类。

convnextv2_tiny.fcmae_ft_in22k_in1k_384 - ConvNeXt-V2：精准高效的图像分类模型

ConvNeXt V2GithubHuggingfaceImageNet卷积网络图像分类开源项目模型自动编码器

ConvNeXt-V2 模型具备高效的图像分类能力，通过全卷积掩码自编码器架构进行预训练，并在 ImageNet-22k 和 ImageNet-1k 数据集上进行精调。该模型具备 28.6M 参数量、13.1 GMACs 计算量，支持 384x384 的图像尺寸。通过 timm 库使用，支持图像分类、特征图提取和图像嵌入等多种视觉任务。

wai-doll-cn-v2-sdxl - SDXL驱动的动漫和3DCG图像生成模型

3DCGGithubHuggingfaceStable Diffusion人工智能动漫开源项目文生图模型

wai-doll-cn-v2-sdxl是基于Stable Diffusion XL的开源模型，专注于生成动漫风格和3DCG图像。该模型融合了二次元艺术与3D计算机图形技术，为创作者提供了多样化的视觉表现工具。作为开源项目，它允许用户进行自定义和二次开发，推动了AI艺术创作的边界。

Qwen2-VL-2B-Instruct - 先进的多模态AI模型支持高分辨率图像和长视频理解

GithubHuggingfaceQwen2-VL图像理解多模态开源项目模型视觉语言模型视频理解

Qwen2-VL-2B-Instruct是一个开源的视觉语言模型，支持处理任意分辨率的图像和20分钟以上的视频。该模型在多项视觉理解基准测试中表现出色，具有复杂推理和决策能力。Qwen2-VL-2B-Instruct采用了动态分辨率和多模态旋转位置嵌入技术，提高了多模态处理能力。此外，它还支持多语言理解，可应用于移动设备和机器人操作等领域。

vit_small_patch14_reg4_dinov2.lvd142m - 基于自监督学习的视觉Transformer用于图像特征提取和分类

GithubHuggingfaceVision Transformer图像分类图像特征开源项目模型深度学习自监督学习

该Vision Transformer (ViT) 图像特征模型通过自监督学习进行预训练，基于LVD-142M数据集并采用DINOv2方法。模型专为图像分类和特征提取设计，包含22.1M参数和29.6 GMAC的运算能力。其注册方法增强了处理518x518像素图像的效果，DINOv2技术有助于无监督视觉特征学习。此模型在图像嵌入应用中表现优异，并支持多种视觉分析与研究。用户可使用timm库简单调用和部署模型，适合多种机器学习场景。

upernet-swin-small - UperNet结合Swin Transformer实现精确语义分割

GithubHuggingfaceSwin TransformerUperNet场景理解开源项目模型视觉转换语义分割

UperNet结合Swin Transformer骨干网络，提供高效的语义分割解决方案，适用于多种视觉任务，实现每像素精确语义标签预测。

InternVL2-2B-AWQ - 跨多语言多图像任务的高效视觉语言模型

API接口GithubHuggingfaceInternVL2-2B图像文本多模态开源项目模型模型量化

InternVL2-2B-AWQ以AWQ算法实现4bit权重量化，模型推理速度较FP16提升至2.4倍。lmdeploy兼容众多NVIDIA GPU进行W4A16推理，提升离线批量推理效率。同时，该项目提供RESTful API服务并兼容OpenAI接口，快速部署和应用于视觉-语言任务。此多语言兼容的模型不仅提高推理效率，还具备灵活的服务特性。

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com